태그 보관물: Coursera

New Coursera Specialization with Google

4개의 답글

코세라Coursera에 새로운 전문 과정 Machine Learning with TensorFlow on Google Cloud Platform이 개설되었습니다. 이름에서 알 수 있듯이 구글과 함께 제작한 것 같습니다. 총 다섯 개의 강좌로 이루어져 있으며 구글 클라우드와 텐서플로에 촛점이 맞추어진 머신러닝 강좌입니다. 이상한 것은 개별 강좌에 무료 옵션(Audit)이 없다는 점입니다. 앞으로 모든 전문 과정이 이렇게 되는 것인지는 모르겠지만 상당히 아쉽네요. 😦 시도해 볼 수 있는 것은 7일 무료 체험이고 그 이후에는 한달에 $49를 지불해야 합니다.

앤드류 응 박사가 만든 deeplearning.ai 코스는 개별 강좌로 계속 무료 수강이 가능합니다. 혹시 영어가 부담이 되신다면 반가운 소식이 하나 있습니다.  edwith에서 카이스트 대학 자원봉사 학생들과 함께 이 강좌의 자막을 번역하고 있습니다! 저도 숟가락 얹고 있는데요. 아마 뜨거운 여름이 되면 edwith에서 만나 보실 수 있을 것 같습니다. 당연히 무료입니다. 🙂

(업데이트) Machine Learning with TensorFlow on Google Cloud 전문과정 중에 첫 번째 강의인 ‘How Google does Machine Learning‘는 무료로 수강이 가능합니다. 강의 등록 버튼을 누르고 중간에 조그만 글씨의 ‘무료 감사’ 링크를 선택하시면 됩니다. 다른 강의도 무료로 제공될지는 아직 확실하지 않네요. 이 정보는 skshin 님이 알려 주셨습니다.

Andrew Ng launch New DL Courses!

4개의 답글

바이두에서 나온 앤드류 응이 세가지 프로젝트를 진행한다고 합니다. 그 중에 먼저 첫 번째로 선을 보이는 것이 deeplearning.ai로 예고했던 코세라의 Deep Learning Specialization 코스입니다! 파이썬과 텐서플로를 사용하는 이 커리큘럼은 총 다섯개의 코스로 이루어져 있습니다.

  1. Neural Networks and Deep Learning
  2. Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization
  3. Structuring Machine Learning Projects
  4. Convolutional Neural Networks
  5. Sequence Models

작년부터 시작한 코세라의 구독 모델이 적용되는 specialization으로 월 $49를 내고 빠른 속도(!)로 주파를 하면 Certificate를 받을 수 있습니다. 돈을 내지 않고 청강을 할 수도 있는데요. 각 코스의 링크로 직접 들어가서 Enroll을 하면 팝업 화면 아래 조그맣게 쓰인 Audit 링크를 누르시면 됩니다. 자세히는 아직 모르지만 전체 커리큘럼의 수준은 intermediate 정도로 보입니다.

deeplearningai

눈에 익은 책상과 모니터네요! 🙂

Coursera: Probabilistic Graphical Models Start

댓글 남기기

코세라의 유명한 강좌 중 하나인 다프니 콜러(Daphne Koller)의 Probabilistic Graphical Models 강의 시리즈가 드디어 시작되었습니다. 지금 시작된 것은 첫번째 강의 Representation이고 나머지 두 강의는 Inference와 Learning 입니다. 아마도 코세라가 새로운 플랫폼으로 이전하면서 강의를 나누어 Specialization으로 만든 것 같습니다. 예전과는 달리 무료로 들을 경우엔 어떤 Certificate나 Statement도 주지 않습니다.

‘Introduction to NLP’ at Coursera

댓글 남기기

intro-nlp.png

코세라에서 9월 부터 미시간 대학교의 ‘Introduction to Natural Language Processing‘ 코스가 시작됩니다. 아마도 2015년에 진행했던 것과 유사한 커리큘럼으로 보여집니다. 요즘 화두가 되는 인공지능을 이용하는 부분은 2017년 초에 새롭게 추가되어 진행될 예정이라고 해서 약간 아쉽습니다만 지금으로도 충분히 좋은 강좌라고 생각됩니다. 파이썬과 NLTK 라이브러리를 사용합니다.

얼마전 코세라에서 예전 강좌를 다시 시작한다고 포스팅를 올린 적이 있는데요. 그 중에 스탠포드의 ‘Natural Language Processing’이 강좌가 열린다고 한 것은 오류라고 메일이 왔습니다. 현재 이 강의 페이지는 제대로 열리지도 않네요. ㅠ.ㅠ  그나마 제프리 힌튼(Geoffrey Hinton)의 뉴럴 네트워크 강좌와 다프니 콜러(Daphne Koller)의 확률 그래프 모델 강좌는 예정대로 진행될 것 같습니다.

이 강좌의 수료증을 받으려면 약 50달러를 내야하지만 수료증이 필요 없는 경우엔 무료로도 강의를 들을 수 있습니다. 며칠전 코세라의 공동 창업자 중 한명인 다프니 콜러(Daphne Koller)가 코세라를 떠나 구글이 설립한 바이오 벤처 칼리코(Calico)로 옮겼다는 소식이 전해졌습니다. 앤드류 응(Andrew Ng)도 바이두로 간 마당에 코세라가 더 비즈니스틱하게 변모하지 않을지 괜한 걱정이 드네요. :-/

(업데이트) 9월 6일 부터 강의가 정식으로 시작 되었습니다. 이 강좌는 12월 4일까지 12주간 진행됩니다.

Coursera’s old class restart

댓글 남기기

neural-network-coursera

코세라(Coursera)가 사용자들의 원성(?)을 들었던 걸까요. 주옥같은 강좌들이 몇년만에 다시 시작된다는 기쁜 소식입니다.

Probabilistic Graphical Models, Stanford University, August 2016

Neural Networks for Machine Learning, University of Toronto, September 2016

Natural Language Processing, Stanford University, September 2016

이 강좌들을 들으려면 올여름을 바쁘게 보내야 할 것 같습니다 🙂

ps: 구글의 머신러닝 유투브 강의도 계속 업데이트 되고 있습니다.

(업데이트) 스탠포드의 ‘Natural Language Processing’ 강좌는 실수로 등록된 거라고 코세라에서 메일이 왔습니다. 현재 이 강좌 페이지는 들어가 지지도 않네요.ㅠ.ㅠ  대신 9월 부터 시작하는 미시간 대학의 ‘Introduction to Natural Language Processing‘을 수강하실 수 있습니다.

Coursera close old platform

2개의 답글

가장 큰 MOOC중 하나인 코세라가 새로운 플랫폼으로 이전하면서 이전 플랫폼의 자료를 삭제한다고 합니다. 구 플랫폼은 6월 30일까지만 접근이 가능하니 그때까지 필요한 동영상, 자료를 다운받으라고 하네요. 코세라 사이트의 디자인이 클래스마다 조금 달라진 건 느꼈지만 이전 자료를 일시적으로 제한한다는 발표는 잘 이해가 안됩니다.(가뜩이나 요즘 코세라의 강좌가 Certificate 위주로만 편성되는 듯해서 질타가 많습니다)

들으셨던 강좌가 class.coursera.org 로 시작하는 도메인에 있으면 구 플랫폼이어서 삭제될 예정입니다. 만약 강좌의 주소가 coursera.org/learn 으로 시작하면 새로운 플랫폼입니다. 또 강좌 페이지 스타일로도 확인할 수 있습니다. 아래 그림에서 왼쪽의 이미지가 구 플랫폼의 인터페이스고 오른쪽이 신 플랫폼의 인터페이스 입니다. 늦지 않게 필요한 자료를 다운받으시면 좋을 것 같습니다. 플랫폼이 바뀌더라도 이전에 받으셨던 Certificate는 그대로 유효합니다.

코세라 구 플랫폼 강좌 인터페이스
코세라 신 플랫폼 강좌 인터페이스

인기있고 현재 계속 진행중인 강의들은 새 플랫폼으로 이미 많이 이전 했습니다. 예전 플랫폼에 그대로 있어 놓치기 아까운 강좌로는 토론토 대학교의 제프리 힌튼(Geoffery Hinton) 교수의 ‘Neural Networks for Machine Learning‘ 강좌입니다. 코세라 사이트에서 강의 동영상과 슬라이드 자료를 다운받으실 수 있습니다. 제가 다운 받은 자료를 구글 드라이브로 공유합니다. 이외에도 구 플랫폼에서 놓치기 아까운 강좌가 있다면 댓글로 공유 부탁드립니다.

(추가) 안상영님이 댓글로 추천해 주신 ‘Coding the Matrix: Linear Algebra through Computer Science Applications’ 강좌를 다운받아 공유합니다. 1.5기가나 되어서 직접 다운받으시기에 어려우신 경우는 코세라 다운로드 툴들을 이용하시면 좋습니다. 저는 파이썬 패키지 coursera를 이용하여 커맨드 라인에서 코세라 아이디와 패스워드를 입력하고 강좌 코드 ‘matrix-002’ 을 사용하여 다운받았습니다.(다운 받으시기 전에 코세라 홈페이지에서 해당 강좌에 먼저 Enroll 하셔야 될 것 같습니다)

ML Crowd Course

댓글 남기기

MOOC에 대해서는 많이 들어보셨을 것 같습니다. 대표적으로 코세라(Coursera), 에딕스(edX), 유다시티(Udacity) 등이 있습니다. 스탠포드에서 이와는 좀 다른 색다른 시도를 하고 있습니다. 바로 크라우드 코스(Crowd Course) 입니다. 크라우드 코스는 온라인 강좌를 위한 플랫폼을 일반에게 공개하고(물론 신청을 해서 허가를 받아야 하지만) 여러 사람이 강의를 만들어 제공하는 형태입니다. 비영어권 강좌라도 가능합니다.

현재는 알고리즘과 파이썬 강좌 2개 그리고 파이썬 머신러닝 강좌가 있습니다. 파이썬 머신러닝 강좌는 사이킷런(scikit-learn) 과 넘파이(numpy), 판다스(pandas) 기반입니다. 이 강의를 만들기 위해 전세계에 흩어져 있는 수십명의 사람이 힘을 모았습니다. 놀랍다는 말이 나오지 않을 수 없네요. 당연히 아무 조건 없이 무료로 들으실 수 있습니다.

초보자를 위한 통계학 강의(Coursera)

댓글 남기기

스크린샷 2016-04-12 오전 10.07.23

가장 큰 온라인 학습 사이트(MOOC) 중 하나인 코세라(Coursera)에 4월 12일 부터 새로운 강좌가 시작되었습니다. 이 강좌는 ‘Introduction to Probability and Data‘ 로 Duke 대학의 Dr. Mine Çetinkaya-Rundel 교수(Assistant Professor)가 진행합니다. 이 강좌는 ‘Statistics with R Specialization‘ 의 시리즈 중 첫번째 강의 입니다.

사실 이 강의를 소개해 드리는 이유는 Dr. Mine Çetinkaya-Rundel 때문입니다. Mine 은 이전에 코세라에서 ‘Data Analysis and Statistical Inference‘ 강의를 진행했었습니다. 이 강의는 무려 10주 동안 진행되었고 통계학의 기초를 쉽고 효과적으로 가르쳐 주었습니다. 또 전무후무하게 교수 Mine이 직접 행아웃 동영상 채팅을 두번이나 열어 전 세계 온라인 수강생들과 질의 응답을 했었습니다. 또 그녀는 온라인 통계학 책으로 유명한 OpenIntro Statistics의 저자 중 한명입니다.

어떤 이유에서인지 ‘Data Analysis and Statistical Inference’ 강의가 2014년 이후로 중단되어 아쉬었는데요. 새로운 커리큘럼으로 다시 만나게 되어 매우 반갑네요. 커리큘럼이 바뀌더라도 그녀의 열정과 통찰은 그대로일 것으로 생각합니다. 머신러닝의 고수가 되기 위해 통계학을 그냥 넘길 수 없는 모든 분들께 추천드립니다.

* 강의는 영어로 진행되지만 Mine의 말이 그리 빠르지 않고 자막이 지원됩니다. 실습은 R을 이용합니다.

Andrew Ng의 머신러닝 강좌의 Python 코드 버전

댓글 남기기

머신러닝을 배우기 위해 온라인 강의 중 어떤게 좋은가요 라고 물어보면 열명이면 열명 모두 Andrew Ng의 머신러닝 강좌를 추천할 것이라는 데 의심의 여지가 없습니다. 이 강좌는 작년부터 self-paced로 제공되고 있어서 시간이 없어 매주 분량을 쫒아가기 힘든 분들에게도 마감시간에 구애 받지 않고 천천히 학습할 수 있도록 하고 있습니다.

이 강의의 단점(?)이라고 하면 강의와 숙제가 Matlab의 오픈소스 클론인 Octave로 진행된다는 점 입니다. Octave가 시작하기 어려운 언어는 아니기에 큰 장벽이 되지는 않지만 Octave를 배워서 학교나 회사에서 사용할 수 있는 가능성은 희박합니다.

David Kaleko는 Andrew Ng의 머신러닝 강좌의 모든 숙제를 Python으로 재 작성하여 깃허브에 공유하였습니다. Octave에 어려움을 겪으시는 분들은 Python 버전이 도움이 되실 것 같습니다.